第六讲：二维及三维空间的变换概念及其矩阵表示[文字可编辑].pptVIP

2020/4/10 第二种方法 : 利用正交矩阵的性质 利用正交矩阵的性质 , R 的 每个单位行向量经 R 旋转变 换后便成为各个坐标轴（即 x,y,z 轴）。 . 3 2 1 3 2 1 3 2 1 ? ? ? ? ? ? ? ? ? ? ? z z z y y y x x x r r r r r r r r r R 令： R x 、 R y 、 R z 分别为 R 的第 一、二、三行的行向量。 因为 R z 是沿 P 1 P 2 的单位向量， 并且将旋转到正向 z 轴，所以 有： 另外，单位向量 R x 与点 P 1 、 P 2 和 P 3 所确定的平面垂直， 并且将旋转到正向 x 轴，所 以， R x 一定是该平面内两个 向量的单位叉积 ： 最后，很容易得到 R y ： ? ? x z T y y y y R R r r r R ? ? ? 3 2 1 它将旋转到正向 y 轴的 位置。于是，整个复合 矩阵为： , ) , , ( 1 0 0 0 0 0 0 1 1 1 3 2 1 3 2 1 3 2 1 T R z y x T r r r r r r r r r z z z y y y x x x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 右图示出了单个的向量 R x 、 R y 和 R z 。 单位向量 R x 、 R y 和 R z 将被旋转到 与各个坐标轴重合。 性质 2020/4/10 2020/4/10 ? 几何变换 – 二维变换 – 齐次坐标系和二维变换的矩阵表示 – 二维变换的复合 – 窗口到视口的变换 – 效率问题 – 三维变换的矩阵表示 – 三维变换的复合 – 坐标系的变换 二维及三维空间的变换概念、矩阵表示、三维视图 二维、三维空间的变换概念及其矩阵表示 2020/4/10 几何变换 本讲介绍计算机图形学经常用到的基本的二维和三维几何变换，其 中的平移变换、比例变换和旋转变换对很多图形应用程序来说极其 重要。 许多应用程序或图形子程序软件包需要用到各种变换，例如：一个 城市规划程序，利用平移变换将表示建筑物和树木的图符移到合适 的位置，利用旋转变换确定图符的朝向，以及利用比例变换确定图 符的大小。一般来说，很多应用程序在绘图时都要用到几何变换来 改变物体（也称为图符或模板）的位置、方向和大小。本讲还介绍 如何应用三维变换 ( 旋转变换、平移变换和比例变换 ) 作为创建三维 物体的二维显示过程的一部分。 2020/4/10 P ? =R?P 二维变换 变换前 一座房子的平移 变换 . 变换后 旋转变换矩阵 房子的比例变换。两个 方向上的变换比例不同 ，并且房子改变了位置 。 比例变换前 比例变换后 旋转之前 旋转之后 房子的旋转变 换，旋转的同 时也改变了位 置。 x ? =s x ? x y ? = s y ? y x ? =x+d x , d x = x ? -x y ? =y+d y , d y = y ? -y P ? =P+T 平移变换 比例变换矩阵 2020/4/10 旋转矩阵的推导 小结 r r ? ? 正向旋转 其中 : 2020/4/10 齐次坐标系和二维变换的矩阵表示 平移矩阵 齐次坐标表示 P ? =T+P P ? =S ? P P ? =R ? P 希望能用一种一致的方法来表示这三种变换。 将（ x,y) 附加第三个坐标，于是每个点的坐标都用 一个三元组 (x,y,W) 来表示，称为点（ x ， y) 的齐次 坐标。在齐次坐标系中，我们认为两组齐次坐标 (x,y,W) 和 (x ? ,y ? ,W ? ) 代表同一点当且仅当 (x,y,W) 与 (x ? ,y ? ,W ? ) 互为倍数，因此 (2,3,6) 和 (4,6,12) 是用不同 的三元组坐标表示的同一点。也就是说每个点齐次 坐标不唯一。要求齐次坐标中至少有一个不为零， 即 (0,0,0) 是不允许的。如果坐标 W 不为零，那么我 们可以用它作为除数：由 (x,y,W) 得到 (x/W,y/W,1) ， 它们代表同一点。一般来说，当 W 不为零时，我们 采用 W 为 1 的坐标，并将 x/W 和 y/W 称为齐次点 (x,y,W) 的笛卡儿坐标。而 W=0 的点被称为无穷远点 ，在这里我们不讨论此类点 。 平移变换 2020/4/10 齐次坐标几何意义 三元组一般用来表示三维空间中 的点，但是此处是用来表示二维 空间的点。这两种表示之间具有 以下联系：如果取所有代表同一 点的三元组，即所有形式为 (tx,ty,W) 的三元组（其中 t ≠ 0 ）， 便可得到三维空间中的一条直线， 因此，每一个齐次点就代表了三 维空间中的一条直线。又由于我 们可以将一点的坐标齐次化（通 过